基于SVAR 模型的压力测试实证研究

汪 芮

（安徽农业大学，安徽 合肥230036）

一、引言及文献回顾

众所周知，银行业现在已经成为了现代金融行业的核心。 Joseph A.schumpeter 就曾经提出银行发展对国家的收入水平是有相当大的促进作用。 从90 年初开始,各个国家的金融机构就开始受到全球化和金融风险的影响,这对于银行和投资者来说都是前所未有的挑战。而信用风险是银行破产的主要因素，这在世界银行界也已经取得了公认。 传统的VAR 模型是在历史经验数据基础上建立起来的商业银行风险评估模型，已经不能满足现代商业银行的风险评估要求，压力测试作为一种新的风险评估模型得到了广大机构的关注。

20 世纪90 年代初期， 一些大型的跨国商业银行就开始进行压力测试，而作为评估整个银行体系风险的工具， 宏观压力测试的研究却是近十来年才开始进行的。Froyland 和Larsen(2002)利用RIMINI 对银行不良贷款在宏观经济波动情境下进行了压力测试。 Virolainen（2004）研究了宏观经济信用风险的压力测试，发现公司违约率与GDP 利率等因素之间有显著关系，通过模型分析不同负面经济事件对银行信用风险的影响来实施压力测试。 Haldane (2007 )都针对各国特点，分析宏观经济波动与银行违约率之间的相关性，建立宏观经济波动的信贷风险压力测试框架。

国内任宇航[1]，华晓龙[2]利用logit 模型，定量分析宏观经济因素波动对中国银行体系贷款违约率的影响。 施建军等[3]构建了宏观经济变量和内外部因素的信用风险评估模型，以及宏观经济变量SVAR 模型，并通过这种两部分模型进行信用风险压力测试。 徐光林[4]利用线性压力测试模型，分析了GDP 增长速度和CPI 同时发生不同程度恶化对我国银行业资产规模增长速度的影响。 常婷婷等分析了商业银行信用风险的宏观经济压力因素，建立了压力指标体系并据此设计压力情景，采用logit 回归和向量自回归构成表面似无关方程组（SUR）构建了压力测试模型。

本文在借鉴国内外经验的基础上，结合我国国情，构造基于结构向量自回归模型（SVAR）的压力测试模型，对我国商业银行开展宏观压力测试工作具有一定的现实意义。

二、商业银行压力测试指标选取及模型构建

（一）指标选取

1.承压指标的选取—不良贷款率

银行的信用风险主要表现为客户的违约和贷款的不良上。在传统的压力测试模型中，大多都是引用贷款的违约率作为商业银行信用风险评价的自变量承压指标。 但是考虑到我国的违约率数据收集困难， 本文对我国商业银行信用风险的承压指标选择为商业银行不良贷款率。

2.压力指标的选取

商业银行压力测试的指标就是对银行信贷违约风险有影响的经济因素。选取根据所参考的文献、以及以前建立的压力测试模型和数据的真实可得性， 本文考虑引入9 个经济指标作为解释变量， 分别为名义GDP 增长率(LGDP)，一至三年期存款基准利率(YSR)、一至三年期贷款基准利率(YLR)，货币供应量（M2），汇率（HL），房地产景气指数（FJQ），房地产价格指数(FJZS)，企业景气指数(BCI)，居民消费价格指数（CPI）、基准利率(BSR)。

（二）数据来源

1.货币供给量（M2）、基准利率(BSR)、汇率（HL）、一至三年期基准存、贷款率(YSR、YLR)、企业景气指数（BCI）来源于中国人民银行网站。其中，对于YLR、YSR，在某一年中出现多次调整的情况时，取其平均数为当年的存、贷款基准利率。

2.LGDP、CPI、FJZS、FJQ 这些变量的数据均来自国家统计局网站数据库。

FJZ、FJQ 为月度数据， 取这些数据当年的月度平均数来代替当年数据。 其中FJQ 的值为了在建模过程中克服数据之间值跨度大影响实证，采用对数的形式（LN）进行换算。

以上指标样本均选取2003 年——2012 年10 年的年度数据。

（三）模型构建

由于要考虑到压力测试中各变量之间的相互关系，本文在VAR 模型的基础上引入SVAR （结构向量自回归）模型。

设yt 为k 阶时间序列的列向量，B0 为变量间的同期影响，Γi 为k×k 阶滞后项参数矩阵，μt 为k 阶随机误差列向量，则k 个变量的p 阶滞后SVAR 模型表示为：

将滞后算子引入，上式可以改写成：B0（L）y1，E（u1u1'）=Ik,其中，B0（L）=B0-Γ1L2-L-ΓPLP

SVAR 模型中含有当期变量也就是解释变量的内生变量，该模型构成了一个动态的变化系统。 该设计符合了本文压力测试的要求，即当期经济变量遭受到风险因子冲击时观测其承受压力的结果。因为SVAR 模型方程中并不全都是由外生变量组成，该模型进行最小二乘法回归估计时并不能简单得到无偏估计值。根据方程阶条件和秩条件的识别，k 个变量的P 阶递归SVAR 模型， 如果想要保证其参数估计的有效性，限制条件应该为k（k－1）/2。

VAR 和SVAR 模型的建立滞后阶数是需要考虑的地方，主要判断依据有以下方法：第一，根据经济理论的要求确定合理的滞后阶数；第二，根据常见的LR 检验、AIC 检验以及SC 信息准则检验方法确定。

（四）模型的估计和分析

方程组的参数估计也是因子筛选的过程， 方程中的显著因子和各因子的滞后期数都需要确定。

考虑到经济运行状况通常具有时滞性， 本文将不良贷款率的一阶滞后项作为整个模型的被解释变量，将宏观经济变量数据代入压力测试回归模型中进行参数估计以及检验，将没有通过T 检验的变量一一剔除，最终确定了名义国内生产总值累计增长率LGDP、 一至三年期基准贷款利率YLR、房地产景气指数FJQ、居民价格消费指数CPI 对商业银行不良贷款率有着显著的相关性。得到压力回归测试模型：

根据平稳性检验结果，以上变量中，YLR、LGDP、HL、FJQ 均是平稳变量，直接进入SVAR 模型估计。建立以上变量的SVAR 模型，要确定方程的滞后阶数，根据AIC,LR, FPE、SC、HQ 判定准则，最优滞后阶数为1 阶，建立简单一阶滞后VAR 模型。 考虑到方程的稳定性，对该方程进行AR 根检验，特征根全部在单位圆内，该模型是稳定的。 接着，要识别SVAR 模型，需对B 矩阵施加限定条件，B 矩阵具体表示:

三、商业银行压力测试实证分析

1. 压力测试情景分析

本文从数据可得性选取了历史情景法和因素分析法确定经济因子的情景冲击变动。 从上面SVAR 模型的四个解释变量中选取国内生产总值增长率，和一至三年期贷款基准利率，用来建立压力测试，确立当一至三年期贷款利率和国内生产总值增长率发生极端且可能变动时，不良贷款率将会发生怎么样的变化。 如下表所示LGDP 和YLR 变动情况：

表1 用于实证分析的压力测试情景

2、商业银行信用风险压力测试结果

将2011 年第四季度的各项指标值作为基期值，根据压力测试情景设计及宏观经济变量之间存在的相关性，可以得到压力测试结果，如下表所示:

表2 变量LGDP 相关压力测试结果

表3 变量YLR 相关压力测试结果

根据上面所得到在三种不同冲击下LGDP 和YLR的变动所引起的变量之间相互变动的值代入式(1)，得到商业银行不良贷款率的压力测试结果，如下表所示:

表4 压力测试结果

通过实证可以发现国内生产总值增长率LGDP 受到轻度冲击时 （降至6.2）， 不良贷款率上升为4.77%，当LGDP 受到中度冲击时（降至5.51%），不良贷款率上升为5.015%，当LGDP 受到重度冲击时（降至4.82%），不良贷款率上升为5.26%。 当一至三年期贷款基准利率受到轻度冲击时（上升至6.96%），不良贷款率上升为4.65%，当受到中度冲击时 （升至7.56%）， 不良贷款率上升至5.95%，当受到重度冲击时（上升至8.16%），不良贷款率上升至5.27%。

四、结论及建议

作为VAR 风险测度方法中的补充工具， 压力测试是现代商业银行风险管理的有效工具。 对于宏观“压力”的评估和压力情景下损失的预测是商业银行有效规避风险， 提高风险管理水平的必要途径。 本文根据经济变量之间存在的相关性及我国压力测试政策环境为基础，建立SVAR 模型进行宏观压力测试， 分析宏观经济因素波动对中国银行体系不良贷款率的影响。结果发现:宏观经济变量中，名义国内生产总值增长率，一至三年期基准贷款利率、房地产景气指数、汇率和滞后一期的不良贷款率对商业银行的影响显著，而宏观经济变量之间也存在着时滞效应。 在名义国内生产总值增长率下降和贷款基准率骤升的压力情境设定下，商业银行不良贷款率都出现了不同程度的大幅度提高。

本文通过压力测试回归模型判断各因子对被解释变量的影响程度筛选指标，并且通过VAR(向量自回归)和SVAR（结构向量自回归）在一定程度上改进了相关研究对各风险因子之间相关性的研究不足，揭示了我国银行信用风险的影响因素，对商业银行压力测试的模型选择和方法应用有重要的启示作用。

［1］任宇航,孙孝坤,程功,夏恩君.信用风险压力测试方法与应用研究[J]. 统计与决策. 2007(14)

［2］华晓龙.基于宏现压力测试方法的商业银行体系信用风险评估[J]. 数量经济技术经济研究,2009(04)

［3］施建军,周源. 基于内外部因素的银行信用风险压力测试研究[J]. 中央财经大学学报.2011(10)

［4］徐光林.我国银行业金融机构资产规模的宏观压力测试[J]. 新金融. 2008(11)

［5］ 常婷婷,乔忠,李拓.基于SUR 的商业银行信用风险宏观压力测试研究[J]. 统计与决策. 2011(11)

［6］周源.宏观经济数据影响下的信用风险压力测试研究[J].金融纵横. 2010(06)

［7］杨鹏.压力测试及其在金融监管中的应用[J]. 上海金融.2005(01)

［8］ 周子元. 商业银行信用风险压力测试的方法和实践[J].金融理论与实践. 2009(08)

［9］Andrew Haldane, Simon Hall, Silvia Pezzini.A new approach to assessing risks to financial stability [R].Bank of EnglandFinancial Stability Paper, No.2, 2007.